面向超临界CFB机组炉膛温度预测的仿真实验

为开展循环流化床(CFB)机组炉膛温度预测,采用皮尔逊相关系数(PCC)法筛选输入变量,利用误差反向传播(BP)神经网络理论建立炉膛温度模型,对1台350 MW超临界CFB机组炉膛温度预测进行实验仿真研究。依据误差BP神经网络理论对机组运行数据进行处理,并利用PCC法将28个变量化简为5个;借助误差BP神经网络理论建立炉膛温度预测模型,对比分析3种不同实验仿真模型结构的预测输出、绝对误差与均方根误差。结果表明:经过PCC法化简,模型输入数量减少,BP网络温度预测效果好。该实验仿真方法有效,可用于培养学生的创新实践素养,提高学生解决工程问题的能力。